AI导哈

记忆管理服务器

Mem0 MCP服务器是一个将Mem0内存API封装为模型上下文协议（MCP）服务器的工具，允许任何MCP兼容客户端添加、搜索、更新和删除长期记忆。

  • by mem0ai
  • Python
  • 本地部署
  • 662 星标
  • 更新于
在 GitHub 查看 mem0ai/mem0-mcp

使用说明

[！小心]

此项目已存档

mem0 mcp服务器 不再积极维护，此存储库现在是一个公共存档。

感谢640多名观星者、140多名分叉者以及帮助塑造这个项目的每一位贡献者。您的支持和反馈对我们来说意义重大。

您在寻找Mem0 MCP吗？ 我们现在提供官方云托管MCP服务器。看看这个 文档 开始吧。

在所有主要客户端上快速安装：

npx mcp-add \
  --name mem0-mcp \
  --type http \
  --url "https://mcp.mem0.ai/mcp" \
  --clients "claude,claude code,cursor,windsurf,vscode,opencode"

Mem0 MCP服务器

mem0-mcp-server 包裹官员 Mem0 内存API作为模型上下文协议（MCP）服务器，因此任何兼容MCP的客户端（Claude Desktop、Cursor、自定义代理）都可以添加、搜索、更新和删除长期内存。

工具

服务器向LLM公开以下工具：

工具 说明
add_memory 为用户/代理保存文本或对话历史记录（或显式消息对象）。
search_memories 跨现有记忆的语义搜索（支持过滤器+限制）。
get_memories 使用结构化过滤器和分页列出内存。
get_memory 按以下方式检索一个内存 memory_id.
update_memory 用户确认后，覆盖内存的文本 memory_id.
delete_memory 通过以下方式删除单个内存 memory_id.
delete_all_memories 批量删除确认范围内的所有内存（user/agent/app/run）。
delete_entities 删除用户/代理/app/run实体（及其内存）。
list_entities 枚举存储在Mem0中的用户/代理/应用程序/运行。

所有响应都是从Mem0 API直接返回的JSON字符串。

使用选项

有三种方法可以使用Mem0 MCP服务器：

  1. Python 包 -使用在本地安装和运行 uvx 使用任何MCP客户端
  2. 码头工人 -容器化部署，创建 /mcp HTTP端点
  3. 史密瑟里 -用于托管部署的远程托管服务

快速开始

安装

uv pip install mem0-mcp-server

或者使用pip：

pip install mem0-mcp-server

客户端配置

将此配置添加到MCP客户端：

{
  "mcpServers": {
    "mem0": {
      "command": "uvx",
      "args": ["mem0-mcp-server"],
      "env": {
        "MEM0_API_KEY": "m0-...",
        "MEM0_DEFAULT_USER_ID": "your-handle"
      }
    }
  }
}

使用Python代理进行测试

Click to expand: Test with the Python Agent

要立即测试服务器，请使用附带的Pydantic AI代理：

# Install the package
pip install mem0-mcp-server
# Or with uv
uv pip install mem0-mcp-server

# Set your API keys
export MEM0_API_KEY="m0-..."
export OPENAI_API_KEY="sk-openai-..."

# Clone and test with the agent
git clone https://github.com/mem0ai/mem0-mcp.git
cd mem0-mcp-server
python example/pydantic_ai_repl.py

使用不同的服务器配置：

# Use with Docker container
export MEM0_MCP_CONFIG_PATH=example/docker-config.json
export MEM0_MCP_CONFIG_SERVER=mem0-docker
python example/pydantic_ai_repl.py

# Use with Smithery remote server
export MEM0_MCP_CONFIG_PATH=example/config-smithery.json
export MEM0_MCP_CONFIG_SERVER=mem0-memory-mcp
python example/pydantic_ai_repl.py

你能做什么

Mem0 MCP服务器为您的AI应用程序提供强大的内存功能：

  • 记住，我对花生和贝类过敏——给记忆添加新的健康信息
  • 存储这些试验参数：200名参与者，双盲，安慰剂对照研究-保存研究数据
  • 你对我的饮食偏好了解多少？-搜索和检索所有与食物相关的记忆
  • 更新我的项目状态：移动应用程序现在已完成80%-用新信息修改现有内存
  • 删除2023年的所有记忆，我需要一个新的开始-批量删除过时的记忆
  • 显示我保存的关于Phoenix项目的所有内容-列出特定主题的所有记忆

配置

环境变量

  • MEM0_API_KEY （必需）–Mem0平台API密钥。
  • MEM0_DEFAULT_USER_ID （可选）–默认值 user_id 注入过滤器和写入请求（默认为 mem0-mcp).
  • MEM0_ENABLE_GRAPH_DEFAULT （可选）–默认情况下启用图形存储器（默认为 false).
  • MEM0_MCP_AGENT_MODEL （可选）–捆绑代理示例的默认LLM（默认为 openai:gpt-4o-mini).

高级设置

Click to expand: Docker, Smithery, and Development

Docker部署

使用Docker运行：

  1. 塑造形象：

    docker build -t mem0-mcp-server .

  2. 运行容器：

    docker run --rm -d \
  --name mem0-mcp \
  -e MEM0_API_KEY=m0-... \
  -p 8080:8081 \
  mem0-mcp-server

  3. 监控容器：

    # View logs
docker logs -f mem0-mcp

# Check status
docker ps

使用Smithery远程服务器运行

要连接到Smithery托管的服务器，请执行以下操作：

  1. 安装MCP服务器（Smithery依赖项现已捆绑）：

    pip install mem0-mcp-server

  2. 使用Smithery配置MCP客户端：

    {
  "mcpServers": {
    "mem0-memory-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@smithery/cli@latest",
        "run",
        "@mem0ai/mem0-memory-mcp",
        "--key",
        "your-smithery-key",
        "--profile",
        "your-profile-name"
      ],
      "env": {
        "MEM0_API_KEY": "m0-..."
      }
    }
  }
}

开发设置

克隆并从源运行：

git clone https://github.com/mem0ai/mem0-mcp.git
cd mem0-mcp-server
pip install -e ".[dev]"

# Run locally
mem0-mcp-server

# Or with uv
uv sync
uv run mem0-mcp-server

许可证

Apache许可证2.0

相关 MCP